[论文解读] RIS-Enabled Passive Radar towards Target Localization

Ahmad Bazzi, Marwa Chafii|arXiv (Cornell University)|Oct 21, 2022

Indoor and Outdoor Localization Technologies被引用 56

一句话总结

本文提出基于 RIS 的被动雷达，在通信为中心的 ISAC 设置中对多目标进行定位，采用基于 NLMS 的联合估计和两种处理算法，无需发射载荷知识。

ABSTRACT

In this paper, we study a communication-centric integrated sensing and communication (ISAC) approach, where an access point (AP) communicates with users, while a passive radar (PR) is present in the environment. We investigate the deployment of a reconfigurable intelligent surface (RIS) to enable the PR to localize a target. We derive an optimization problem for updating the phase shifters of the RIS per epoch. Due to the limited information at the PR, such as unknown payload information and unknown number of targets in the scene, we propose two methods capable of performing joint angle of arrival estimation and detection of the targets. We demonstrate the superior performance of the methods onto the proposed setting through numerical simulations, in comparison to a no-RIS baseline scheme.

研究动机与目标

• 通过在真实世界的 ISAC 设定中，利用 RIS 启用的被动雷达来推动 6G 感知-通信的融合。
• 开发一个优化框架，在每个时段更新 RIS 相位移，以增强目标反射向向被动雷达（PR）的指向。
• 提出两种基于 NLMS 的方法，用于在未知载荷的情况下联合目标定位和目标数量检测。
• 实现对未知目标数的定位，并且无需依赖发射信号结构或信道状态信息。

提出的方法

• 建模一个下行 AP 与用户通信，以及一个 RIS 将目标反射镜像传向被动雷达（PR）。
• 将 RIS 反射优化问题建模为抑制来自 AP 的贡献并增强目标反射（P RIS 与基于 V 的解）。
• 在 PR 指向 RIS 处实现波束赋形，以最大化有用的反射功率并抑制干扰。
• 开发两种基于 NLMS 的目标定位方法（批处理和序列），在不对目标数量进行枚举的情况下估计来自 RIS 反射路径的入射角 AoA。
• 在 NLMS 推导的谱上进行峰值搜索以识别目标 AoAs，即使在 K 未知时也适用。

实验结果

研究问题

• RQ1 是否可以对 RIS 相位移在每个时段进行优化，以提升在 PR 处的 RIS 反射目标信号？
• RQ2 基于 NLMS 的方法在没有载荷知识或目标数量枚举的情况下，是否能够准确定位目标并检测其数量？
• RQ3 在均方误差（MSE）、检测概率和 SRP 等方面，RIS 辅助定位与无 RIS 基线相比如何？
• RQ4 在给定目标数量和 RIS 尺寸的条件下，可实现的信噪比增益是多少？

主要发现

• RIS 辅助定位在 16 个反射单元下可实现高达 20 dB 的信噪比增益，以达到 MSE ≈ 0.2。
• 在 16 个 RIS 元件时，当检测概率为 0.9 时获得 16 dB 的信噪比增益，若将元件数量翻倍，再额外获得 4 dB。
• 通过 RIS 辅助架构进行定位时，SRP 的改进量达到约 18 dB。
• 在不同场景下，该方法在 MSE、Pd 和 SRP 指标上相对于无 RIS 基线表现出优越性能。
• 两种基于 NLMS 的方法（批处理和序列）使得在不对目标数量进行枚举的情况下实现联合目标定位和目标数量检测。